多传感器多目标航迹关联与融合算法研究

《多传感器多目标航迹关联与融合算法研究》由会员分享，可在线阅读，更多相关《多传感器多目标航迹关联与融合算法研究（67页珍藏版）》请在装配图网上搜索。

1、分类号 密级 UDC注1 学 位 论 文多传感器多目标 航迹关联与融合算法研究(题名和副题名)程跃兵(作者姓名)指导教师姓名 戴跃伟 教授 闫玉德 副教授 申请学位级别 硕 士 专业名称 控制理论与控制工程 论文提交日期 2010.05 论文答辩日期 2010.06 学位授予单位和日期 南京理工大学 答辩委员会主席 评阅人 年 月 日声 明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说

2、明。研究生签名： 年 月 日 学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文，按保密的有关规定和程序处理。研究生签名： 年 月 日摘 要随着现代科技的飞速发展以及现代战争的需求，在机动目标跟踪领域应用信息融合技术是近年来研究的热点。面对现代战场中敌方飞行目标的高机动性和复杂性，为了对目标实施有效地打击和防御，必须有机结合多部传感器提供目标的信息，进行精确地跟踪。本文结合某项科研项目，利用分布式雷达组网技术，对本文采用的IMM滤波、航迹关

3、联与融合算法予以软件实现，并进行一系列计算机仿真。首先，介绍了目标跟踪领域中的量测数据预处理技术，以及在kalman滤波基础上分析了交互式多模型跟踪算法，并通过仿真实例，证明了该算法是行之有效的。为后续研究航迹关联与融合算法提供了数据支持。其次，基于实际工程研究背景，对目前广泛采用的加权、修正、独立序贯分布式航迹关联算法进行了总结讨论，并分析了在航迹交叉、分岔以及合并的情况下，独立序贯算法的理论可行性，并通过多组仿真实例，证明了算法的实用性。最后，本文介绍了目标跟踪中几种常见的航迹融合算法，包括集中式和分布式两种。鉴于集中式计算量大和对系统处理器的要求较高，本文采用分布式融合算法，并对关联成功

4、的航路，采用无反馈最优分布式融合算法进行50次Monte Carlo仿真实验，验证了此算法的可靠性。本文从工程领域角度出发，探讨了目标跟踪中数据融合的关键技术，为实际工程应用提供了有用的参考。关键词：多传感器，目标跟踪，IMM滤波，航迹关联，航迹融合AbstractAlong with the rapid development of modern technology and the demand of modern war, Information fusion technology has become the hotspot in the maneuvering target trac

5、king field. In the face of modern battle with the enemy flying high maneuverability and complexity of targets, in order to strike and defend effectively, we must combine organically multiple sensors information to accurately track. Combining a research project in this dissertation,Number of radars a

6、re used to compose the distributional network, software realization of IMM filtering, track correlation and track fusion algorithm are finished, also a series of computer simulation are carried on. Firstly, measurement data preprocesses technologies in the field of the target tracking are introduced

7、, and based on kalman filtering technology of the target tracking field, the dissertation analyses interactive model filter algorithm, through the simulation examples, and proves that the algorithm is effective. Data support for researching subsequent track correlation and track fusion algorithm is

8、provided.Secondly, based on the practical engineering research background, the distributed correlation algorithms which are currently widespread adoption are summarized and discussed in the dissertation. Include weighting, fixed, independent sequential correlation algorithm, and analyzes when track

9、is crossing, bifurcating and combining, and the feasibility of the algorithm thought the several of simulation examples is proved.Finally, the dissertation describes several common track fusion algorithms of the target tracking field, including centralized and distributed structure. Since centralize

10、d structure has large amount of calculation and the high requirements of system processor, the dissertation adopts the distributed fusion algorithm, and associated successful route, with no feedback optimal distributed fusion algorithm 50 times Monte Carlo simulation to verify the algorithm reliabil

11、ity.From the Angle of engineering area, the key of target tracking data fusion area is discussed in this dissertation, and useful reference for the practical engineering application is provided.Keywords： Multi-sensor, target tracking, IMM filtering, track correlation, track fusion目 录摘 要IABSTRACTII1绪

12、论11.1论文研究背景与意义11.2国内外发展及研究现状21.3 航迹关联与融合算法发展现状31.3.1航迹关联算法发展概况31.3.2航迹融合算法发展概况41.4 本文的主要研究工作及内容安排52多传感器多目标信息融合理论基础72.1信息融合的定义72.2信息融合的基本原理72.3信息融合的系统结构82.3.1信息融合的层次结构82.3.2信息融合的体系结构92.4信息融合的技术与应用102.4.1信息融合的基本技术和方法102.4.2信息融合的应用112.5本论文研究的主要问题及解决思路112.6本章小结123多目标跟踪中的数据处理133.1量测数据预处理技术133.1.1 坐标变换133

13、.1.2 时间配准算法163.1.3 空间配准算法173.2卡尔曼滤波193.3交互式多模型跟踪算法203.4仿真分析233.4.1 仿真指标233.4.2 滤波仿真结果243.5本章小结294基于统计理论的航迹关联算法314.1 算法描述314.1.1 加权航迹关联算法324.1.2 修正航迹关联算法324.1.3 独立序贯航迹关联算法334.1.4 典型情况下的航迹关联344.2独立序贯算法软件实现364.3仿真分析374.4本章小结425基于统计理论的航迹融合算法435.1 集中式融合系统435.1.1 并行滤波435.1.2 序贯滤波445.1.3 数据压缩滤波455.2 分布式融合系

14、统465.2.1简单凸组合航迹融合算法465.2.2 Bar Shalom-Campo航迹融合算法475.2.3无反馈的最优分布式航迹融合算法475.3 仿真分析495.4 本章小结546总结与展望556.1 本论文工作总结556.2 展望56致 谢57参考文献591 绪论1.1论文研究背景与意义在现代和未来的战争中，随着战争形式的信息化、武器种类的先进化、空间情形的复杂化以及目标环境的多样化，信息瞬息万变，为了获得更佳的作战效果，利用单个传感器的量测信息远远不能满足性能要求，这就决定了在战场上要用到种类繁多的传感器提供观测信息，进行优化处理，最终来获取目标的状态估计、目标属性、火力控制、精确

15、制导等信息。但是多传感器的使用必然会带来更为复杂的问题：信息量的巨大化、信息表现形式的多样化以及处理信息的复杂化等，给实际系统的解决增加了沉重的计算负担，这些问题将大大超过人脑的信息综合处理及分析能力。经过多年的经验及总结，人们自然而然地将这些多种多样的信息进行综合利用、智能处理，去除掉那些冗余的信息，一方面减轻了人工处理信息的工作量，另一方面提高了系统的容错性、健壮性以及重组能力。在这种背景下，多传感器信息融合技术便应运而生。促进多源信息融合理论发展的主要动因之一就是现代战争的迫切需要。当前，信息融合技术正在迅猛发展，已经渗透到现代化战争的各个领域，随着计算机技术和传感器技术的发展，信息融合

16、技术必将在现代和未来战争中发挥越来越重要的作用。随着现代科技的飞速发展以及现代战争的需要，在机动目标跟踪领域应用信息融合技术是近年来研究的热点。随着现代战场中目标的高机动性和复杂性，为了对目标进行精确的跟踪，则必须获得更多的目标信息。然后将不同的传感器测得的目标信息进行有机融合，综合利用各个传感器的测量信息，克服了单个传感器的局限性，能全面准确描述被测对象。与传统的单传感器系统相比，在机动目标跟踪领域采用多传感器信息融合系统具有以下优点1-2：(1) 增加系统的生存周期，提高系统的健壮性：当有若干个传感器失效或受到干扰，或某个事件某个目标不在其测量范围内，一般至少会有一种传感器向系统提供信息，

17、提高系统鲁棒性和可靠性，其生存能力大大增强。(2) 扩展空间和时间搜索范围，加快信息处理速度。(3) 改进探测性能：对量测信息采取有效融合，提高探测的有效性。(4) 增加量测空间维数。(5) 提高空间分辨率，提高系统可信度。(6) 降低系统信息的不确定性：多传感器的联合信息必然降低目标或者事件的模糊性，提高决策能力。最近20年发生的几场高技术战争表明，传统的机械式作战已逐步成为历史，信息战和电子战已成为现代以及未来战争的主体。由于电子信息技术的飞速发展，多兵种通过网络中心联合作战，协同各种武器平台共享战场作战信息，已成为海陆空天作战的主要方式。多传感器信息融合系统充分发挥武器装备和作战部队的效

18、能，使作战力量倍增，其重要性是显而易见的。近年来，随着网络通信技术的发展，将分布在一个战场范围内的多部传感器利用通信网络实现信息共享，即网络化多传感器信息融合技术，是目前国内外学者研究的热点。网络化多传感器信息融合技术的核心，就是通过一个公共的网络平台，将分布在较大战场范围内的若干目标探测单元即多传感器连接起来，使其同步工作，独立处理信息以及工作同步，有效提高目标的跟踪、监测预警能力，从而突破单个传感器在探测范围、精度以及响应速度方面的能力瓶颈，从而获得全战场范围内实时、高效、准确的目标信息，提高对未来战场高速机动目标的打击效能。本文就是在这样的背景下展开研究工作的。1.2国内外发展及研究现状

19、自1973年首次提出信息融合技术以后，在短短30多年时间里，各个领域的研究者都对信息融合技术在其研究领域的应用展开了理论研究，并进一步总结出了行之有效的工程实现方法，取得了一大批的科技成果。在学术研究方面，美国三军数据融合年会、SPIE传感器融合年会和自动化会刊以及相关学术会议每年都有关于该技术的专门讨论。1998年由NASA埃姆斯氏试验研究中心、IEEE信息处理学会和控制系统学会、美国陆军研究所等联合发起的国际信息融合年会，每年举办一次，系统地总结了该项技术的最新发展概况和研究成果。除此之外，一些具有代表性的学术专著也都对信息融合的基础理论及在此领域的新思想、新方法以及新进展进行了全面系统的

20、描述。Llinas、Waltz、Hall、Bar-Shalom和Fortmann等人是活跃在此领域的国际大师。信息融合的概念虽始于70年代初期，但真正的技术进步和发展乃是80年代的事，尤其是近几年来引起了世界范围内的普遍关注，美、英、法、俄、日等发达国家不但在所部署的一些重大研究项目上取得了突破性进展，而且已经取得了大量研究成果。美国是最早应用信息融合技术的国家，是此项技术的前沿领跑者。美国空军新型的GNCST系统可以接受E-8C、无人机、RC-135等平台上合成孔径雷达、信息侦察装置、光电等传感器近实时信息，在融合中心进行处理后以较高的精度和较快的速度传递给一线作战士兵。美国海军的系统作战系

21、统（CEC）把位于不同地点的并且具有不同特征的传感器所提供的各种数据和信息进行完全融合处理，使所有单元能共享每个传感器的测量数据。CEC系统实现了武器平台之间的目标信息共享，分布处理的共享信息能够直接提供给本平台的武器系统和指控系统使用，具备航迹合成和识别功能。英国的BAE系统公司开发的DDF信息融合新技术，已成功验证了将地面和空中的分散的传感器组网互联并融合其信息。法国的“米卡”地空型防空导弹系统也是一个网络化、开放式、分散部署的模块集合系统，由于采用分散式的系统布局，探测模块、发射模块和战术指挥中心都是各自独立的，不会因为某个模块被击毁而使整个作战单元瘫痪，从而保证了整个系统较高的战场生存

22、概率。俄罗斯军方也在数据融合和信息处理方面做了大量的研究工作，并成功运用在新型战斗机中。通过将各个传感器提供的数据数字化并进行信息融合处理，这就为飞行员提供了一个空战景象的即时图像。通过传感器融合可以为飞行员提供一个唯一的跟踪和识别目标，避免了传感器的重复跟踪，从而大大提高了战场作战能力。除此之外，已经研制出来的还有AMSVI-自动多传感器部队识别系统，AIDD-炮兵情报数据融合，PART-军用双工无线电/雷达瞄准系统等军用融合系统。近20年来，我国信息融合理论及应用也在不断发展、不断创新，我国“八五”规划亦已把信息融合技术列为发展计算机技术的关键技术之一，并部署了一些重点研究项目，尽可能给予

23、了适当的经费投入。在政府、军方的支持下，也出现了大批专著和译著。大量的学术论文也相继涌现。上世纪90年代初，这一领域在国内才逐渐形成高潮，并开始出现信息融合系统的实际应用，随后逐步在军事和民用的众多领域得到推广。目前新一代舰载、弹载、机载和各种系统正在向多传感器多目标航迹融合方向发展。近几年来，国家越来越重视信息融合技术的发展。2009年11月，由中国航空学会主办的首届全国信息融合年会在山东烟台举行，来自国内航空、航天、船舶、电子等领域的多家单位从事信息融合研究与应用的百名专家学者代表参加了会议，会议内容涉及信息融合基础理论、信息融合算法、信息融合技术及信息融合应用等方面。第二届全国信息融合年

24、会将于2010年6月在杭州举行，全国信息融合年会的举办，进一步加强了我国信息融合领域的交流与合作，必将对今后我国信息融合事业的发展起到积极的推动作用！尽管如此，我们所面临的挑战和困难还是十分严峻的，与国际先进水平技术相比，在信息融合理论与实践方面还存在着较大的差距，仍需加大步伐，努力掌握先进技术赶超其它国家。 1.3 航迹关联与融合算法发展现状1.3.1航迹关联算法发展概况航迹关联问题就是确定几个不同传感器的量测信息是否来自同一个目标或者事件。它在信息融合技术中占有极其重要的地位，是提高多传感器信息融合系统的预警能力和实现自动化信息处理的重要途径和关键技术。航迹关联主要应用于分布式融合系统中，

25、其处理过程是：每个传感器根据自身的信息处理系统，对目标进行状态估计。并按照一定的时间，把本传感器的所有航迹的状态送给系统的信息处理即融合中心，在信息处理中心经过坐标变换和时空对准，然后对各局部航迹进行关联判断，形成系统航迹。航迹关联是分布式多传感器信息融合系统中的一个关键环节，有着潜在的实用价值和明确的应用前景。目前，国内外研究学者和专家对各种航迹关联的理论和方法都有大量的研究3-8。Singer和Kanyuch首先提出了加权航迹关联算法9-11。后来Bar-Shalom对该算法中的距离度量提出了修正，即修正航迹关联算法12-13。Kosaka等人研究了最近邻域(NN)法14。Bowman则运

26、用极大似然(ML)估计描述了航迹关联问题，Chang和Youens基于运筹学中的经典分配(CA)15-16问题来对航迹(测量)进行关联。国内信息融合领域的权威之一何友教授在上述前人提到的加权关联法、修正关联法、K-NN法基础之上，提出了空间和时间联合融合的思想，在基于似然比检验上引入了独立序贯航迹关联和相关序贯航迹关联法17-18，并在基于双门限信号检测的基础上提出独立和统计双门限法17、MK-NN法、修正的K近邻法19以及多局部节点情况下的统计航迹关联算法。以上方法从数学角度上讲，均属于统计方法。由于目标分布、传感器测量误差、目标运动模型及信息处理方法等因素的影响，要判别来自部局部传感器的航

27、迹是否来自一个目标是相当困难的，特别在目标交叉、分岔、密集等较多的场合。尤其当系统包含导航较大、传感器有通信、校准等延迟误差时，统计算法将显得力不从心。何友又将模糊模式识别的思想引入航迹关联问题，并将影响航迹关联结果的因素进行分类，由此产生了一系列模糊类航迹关联算法，文献20-21中提到了如模糊双门限法、基于模糊综合函数的航迹关联法、多因素模糊综合决策法、基于多局部节点下的模糊航迹法。1.3.2航迹融合算法发展概况对多传感器获得的目标航路信息，如何使来自同一个目标的信息融合为一体，并减少所提供目标信息的噪声值，这就是航迹融合。其目的是利用多个传感器的测量数据更准确地估计系统状态，解决航迹求精，

28、提高目标的跟踪精度。航迹融合是多源信息融合理论的一个重要领域，基于航迹状态估计的航迹融合算法也日趋完善和发展。从融合中心角度考虑，可以把航迹融合算法分为两种：一种是基于测量值，另一种是基于各个局部传感器的状态估计值，即所谓的集中式航迹融合和分布式航迹融合。集中式航迹融合算法是将各个传感器的测量值进行数据融合，只有一个融合中心。20世纪70年代，Singer 22在假设各个状态估计相互独立情况下，首次提出多传感器航迹融合问题，标志着多传感器航迹融合算法研究的开始。在此基础上Bar-Shalom等人解决了在多传感器估计误差相互不独立情况下的多传感器航迹融合问题。随后，Willner提出的集中式多传

29、感器Kalman滤波算法23、以及Chong提出的分层估计融合算法24。分布式航迹融合是非常有效的数据处理方法。它将大系统划分为多个小系统，从而改变全局最优估计的数据处理结构，便于计算机实时并行处理。其主要研究把融合估计如何分解为若干个局部估计，以及各个局部估计之间的组合问题。在此基础上，Bierman从数据值稳定性的角度考虑，提出了平方根信息滤波和平滑形式的分布式估计方法，Roy等研究了平方根并行卡尔曼滤波器，Castanon等则把这些研究成果推广到非线性系统中去。最近几年来，Hong研究了通信网络中具有不确定性的分布式多传感器融合方法。我国对信息融合航迹融合算法研究起步较晚，始于20世纪末

30、。在上述研究成果上，何友等人提出了多坐标系中的分级式、混合式、带反馈式的航迹融合算法。李晓榕等提出了基于最佳线性无偏估计和基于加权最小的二乘估计的融合规则。王志胜等研究了基于非线性系统的最优融合估计理论，提出了非线性信息的统一决策、测量模型。金学波等提出了相关估计方差说的分布式融合算法。目前常采用的航迹融合算法有卡尔曼加权航迹融合、简单凸组合航迹融合、协方差加权航迹融合、最优分布式航迹融合算法、自适应航迹融合、模糊航迹融合、利用伪点迹的航迹融合，在实际应用过程中，应根据不同的情况，选择合适的算法。1.4 本文的主要研究工作及内容安排航迹融合是多传感器信息融合中一个重要分支，在海、陆、空作战系统

31、中都得到了广泛的应用。多年来，许多研究工作者致力于此方面的研究，并取得了大量的研究成果。本文在这些成果的基础上，对目标跟踪以及数据融合中关键技术做深入探讨与实现。 本文基于实际工程背景，研究内容属于某科研项目“网络化探测系统数据融合技术”的一部分，利用多部雷达组成分布式探测网，对本文采用的交互式多模型滤波算法、航迹关联、航迹融合算法进行软件实现，并模拟多批航路，进行一系列仿真分析，来证明算法的有效性。本文内容安排如下：第一章 首先概述了本论文的研究背景，并简单介绍了国内外发展现状及航迹关联与融合算法的发展概况，最后对本论文研究内容及结构做出安排。第二章 叙述了多传感器多目标信息融合技术的基本理

32、论，包括定义、基本原理、系统结构、技术应用等，为研究航迹关联、航迹融合算法打下理论基础，并对本论文的研究问题及解决思路进行介绍。第三章 介绍了目标跟踪领域中的量测预处理技术，以及对目标跟踪中交互式多模型跟踪算法理解分析和编程实现，并通过仿真实例来证明算法的实用性，为后续研究航迹关联、融合算法提供了数据支持。第四章 详细分析了用于分布式航迹关联的加权、修正、独立序贯航迹关联算法，以及将独立序贯法编程实现，并当目标交叉、分叉或密集情况下，进行仿真实验，验证了算法的可行性。第五章 在航迹关联的基础上，对目标状态进行融合处理，总结分析了常见的集中式和分布式融合算法，以及对无反馈最优分布式航迹融合算法编

33、程实现，并模拟多批航路，通过仿真实验来验证算法的可靠性。第六章 总结论文的研究工作，指出论文的不足之处并对今后的研究方向做出展望。 2 多传感器多目标信息融合理论基础信息融合是20世纪70年代提出来的，在80年代形成和发展起来的一种自动化信息综合处理技术。它充分利用多源的信息的冗余互补性和电子计算机的高速运算与智能处理来提高结果信息的质量。随着计算机技术、通信技术的快速发展，且日趋紧密地互相结合，加之军事应用的特殊迫切需求，作为信息处理的新兴技术信息融合技术，在近10年中得到了惊人的发展并已进入诸多军事应用领域。由于在军用和民用都有广阔的应用潜力，各国政府和科研院所都投入大量的人力、物力、财力

34、进行广泛的研究。本章就对信息融合的定义、模型结构、技术方法等一一介绍，为论文的后续研究打下理论基础。2.1信息融合的定义近二十年来，信息融合技术得到了普遍的应用与发展，融合一词几乎不被限制地被众多领域所引用，正由于应用范围的广泛性和多样性，各个研究领域会按照自己的理解给出不同的定义，从而很难给出一个统一的定义。由于信息融合最早用于军事领域，目前能被普遍接受的有关信息融合的定义，是1991年由美国三军组织实验室理事联合会JDL（Joint Directors of Laboratories）提出来的25，并于1994年由澳大利亚DSTO加以扩展的。它把信息融合定义为一个处理探测、互联、相关、估计

35、以及组合多源信息和数据的多层次多方面的过程，以便获得准确的状态和身份估计、完整而及时的战场态势和威胁估计，为指挥员提供有用的决策信息。根据国外研究成果，也有专家学者把信息融合这样确切的概括：信息融合是利用计算机技术将来自多个传感器或多源的观测信息进行分析、综合处理，从而得出决策和估计任务所需的信息的处理过程。也可以这么认为，信息融合是指把多个同类或异类的信息源所提供的局部观测量加以综合，消除信息之间的冗余和矛盾，利用信息的互补，形成对环境的相对完整一致的感知描述，其目的是获得精确的被测目标的状态、一致性估计、完整的实时评价。综合考虑以上两个定义，可以把信息融合简单地定义为将来自多传感器或多源的

36、信息和数据进行综合处理，从而得到更为准确可信的结论。由于早期的融合方法是针对数据的，也有文献把信息融合叫做数据融合，但其内涵更广泛、更确切、更合理，也更具有概括性。不仅包括数据，而且包括了信号和知识。2.2信息融合的基本原理人是一个很复杂并且自适应能力很强的多源信息融合系统。多源信息融合的原理就如同人感知世界万物一样，人的各个器官比如耳、眼、鼻子、嘴巴等就是多个功能不同的传感器，人自然而然地把这些多传感器感知的信息进行组合起来，并使用先验知识去估计周围环境和正在发生的各种各样的事情。单靠单一的感知器官，对事物的估计常会出现偏差甚至错误，“盲人摸象”的故事就是这个道理。由于人类感知器官具有不同的

37、度量特征，因而可以感知出不同范围内的物理现象，这一过程是非常复杂的，但也是自适应的。把各种信息或者知识转化为对周围环境的有价值的解释，需要对各个传感器观测的信息综合支配与利用，以及适合于解释集成信息的知识库。我们所研究的多源信息融合系统，实际上就是对人脑综合处理复杂问题的一种功能模拟。在模仿人脑处理问题的信息融合系统中，各种传感器(感知器官)所提供的信号具有不同的特征：可能是快变的或者缓变的，精确的或者模糊的，实时的或者离线的，甚至相互促进或者相互矛盾的。综上可知，多源信息融合的基本原理就是充分利用每部传感器提供的信息资源，再加上对人工观测信息的合理支配和使用，依照某种优化准则将这些互补或者对

38、立的信息资源组合起来，就如同人脑对周围事物的认知一样，最后得到对观测对象的一致性解释和描述。其目标是通过对各传感器检测出的信息进行优化组合而不是利用单个传感器所测得的单一信息，推导出更多有效的信息，得到最佳组合结果。即利用多个传感器联合处理信息的优势，提高整个系统的有效性。2.3信息融合的系统结构信息融合的系统结构研究包含两部分，即信息融合的层次结构和信息融合的体系结构。下面将这两种融合结构进行简单阐述。2.3.1信息融合的层次结构在多传感器信息融合模型结构中，可以根据数据和处理过程的分辨率来对融合结构分类，一般可分为三层：像素层融合，特征层融合，决策层融合3。(1)像素层融合 所谓像素层融合

39、是指把经过各传感器最低程度处理的像素数据或者以一块为单位的数据进行信息融合。来自各传感器或同一传感器的不同信道的数据在融合前一般不进行很多处理。(2)特征层融合从每个传感器数据中提取出代表传感器视野中目标的特征数据，然后把各目标的特征数据又融合成一个新的综合特征。一个特征融合的例子就是把来自单个传感器的特征向量头尾串联起来，形成一个“更长”的特征向量，然后输入给某个分类器。(3)决策层融合在这种融合方法中，每个传感器处理自己接收到的数据，实现对目标的检测与分类，然后再把各自的结果输入给一个融合算法进行决策。2.3.2信息融合的体系结构信息融合体系结构不同，可能在其性能上就会有很大的区别。根据传

40、感器数据在送入融合中心之前已经处理的程度分类，一般可分为三大类：集中式、分布式和混合式26-27。(1)集中式融合结构集中式融合是将各传感器节点的量测数据经过最小程度处理后送至唯一的融合中心，在那里进行数据对准、点迹相关、数据关联、综合跟踪等融合处理。此方法的优点是信息损失量小，能优化目标的航迹及位置估计，因此融合结果是最优的。但是这种结构对融合中心处理器的性能要求太高，计算负担大，系统生存能力也较差，此方法在工程中很难实现。图2.1给出了一个简单的集中式融合结构框图。图2.1 集中式融合结构(2)分布式融合结构 分布式融合就是每个传感器有自己的局部处理器，把处理过的信息送至融合中心，中心根据

41、各局部传感器传送的航迹数据完成航迹关联、状态融合，以形成全局估计。这种结构的优点是对传感器信息进行了压缩处理，降低了对通信带宽的要求，另外可靠性高，工程易于实现。这类系统很普遍，尤其是在现代作战系统中，不仅具有局部跟踪能力，还具有全局监视特性。此外，由于各个局部节点在融合系统网络中传送的是经滤波后的估计结果，因此网络负载比集中式要小得多，从而使系统的工作量非常均衡，系统效率也很高。因此分布式融合成为融合系统首选的结构。然而由于融合中心得到的数据是经过各局部节点处理过的，因此不可避免地造成信息的损失，其跟踪性能较集中式差。图2.2为最常见的分布式融合结构。图2.2 分布式融合结构(3)混合式融合

42、结构 混合式是集中式与分布式的一种综合，典型的混合式融合式结构见图2.3。传送到融合中心的数据可能是原始传感器测量数据，也可能是经过传感器经过局部节点处理过的数据，它可以在通信带宽、处理速度、跟踪精度上得以取得平衡，它保留了上述两类结构的优点，其不足之处就是加大了数据处理的复杂程度，代价成本较高，并且需要提高数据的传输速率，一般常在大型融合系统中运用。 图2.3 混合式融合结构2.4信息融合的技术与应用2.4.1信息融合的基本技术和方法信息融合是一门跨学科、涉及范围广的综合处理技术，不是一门单一的技术，实际上是传统学科和新技术的融合与应用。信息融合虽然是一门年轻的新兴学科，但从诞生之日起就表现

43、出旺盛的活力，30年来基于各种理论的方法层出不穷。目前常采用的主要技术有以下几种：(1)基于统计理论的方法 包括经典推理、D-S证据理论、贝叶斯技术以及支持向量机理论等(2)基于估计理论方法包括极大似然估计、最小二乘法、卡尔曼滤波(3)基于信息论的多传感器信息融合技术包括聚类分析理论、熵理论、表决法等(4)基于认识模型的多传感器信息融合技术 主要涉及到模糊集理论和逻辑模板法(5)智能信息融合技术 主要涉及到AI技术、神经网络、遗传算法、专家系统(6)分布式和并行处理技术虽然目前有一大批研究成果，但是信息融合技术发展还不完善，当前制约多传感器信息融合技术深入发展的因素有三28：(1)信息来源种类

44、的高度相异性、涉及内容的模糊性；(2)多源信息和任务本身所固有的复杂性；(3)目前还没有统一的数学工具来描述信息融合系统；2.4.2信息融合的应用军事应用是多源信息融合技术诞生的源泉，主要包括机动目标的检测、跟踪、定位和识别。近年来，信息融合技术发展日趋成熟，已经渗入到民用等众多领域。目前，其主要应用到以下几个大系统：(1)军事系统(2)工业控制系统(3)空中交通管制系统(4)金融系统(5)医疗诊断系统(6)监控系统2.5本论文研究的主要问题及解决思路在多传感器融合系统中，常采用集中式、分布式和混合式融合结构，其中集中式和混合式由于自身的缺陷而在实际工程应用中难以实现，而分布式结构计算量小，灵

45、活方便，并且可以以较低的费用获得较高的可靠性和可用性，故本课题采用分布式多传感器系统。在分布式多传感器系统中，各传感器都有自己的信息处理系统，首先完成单传感器的多目标跟踪，即进行滤波得到状态估计值和估计误差协方差，也就是完成时间上的信息融合，接下来各传感器把获得的目标航迹信息送入融合中心，并在融合中心完成坐标转换、时空对准，然后基于这些传感器的目标状态估计进行航迹关联处理，最后对关联成功即来自同一目标的航迹估计进行融合，即实现目标航迹估计间的空间融合，从而得出目标的最终航迹。本文结合实际工程项目，采用分布式雷达组网技术。采取的技术路线见图2.4。 图2.4 本文采取的技术路线框图2.6本章小结

46、 本章就多源信息融合的相关理论知识进行了介绍。首先阐述了多传感器信息融合的定义和基本原理，其次又从层次和体系两方面介绍了信息融合的结构组成，然后又大体上阐述了信息融合的方法和应用，最后针对本文研究的课题背景，较为详细地叙述了本文解决问题的思路和采取的技术路线。3 多目标跟踪中的数据处理在机动目标跟踪领域应用信息融合技术是近年来研究的热点。目标跟踪是为了维持对当前目标状态的估计，同时也对传感器接收到的含有噪声污染的量测信息进行处理的过程。随着现代战争中敌机突防能力的增强以及目标机动性的增加，为了获得全战场范围内精确、实时、高效的目标信息，提高对未来战场中高速/超高速机动目标的打击效能，多目标跟踪

47、领域将是未来研究的热点。1955年N.Wax首次在应用物理杂志的一篇文章中提出多目标跟踪的基本概念29，多目标跟踪是将滤波、数据关联、机动识别、预测、跟踪门及跟踪起始与终结等环节有机结合在一起。图3.1给出了一个简单的多目标跟踪原理图30。图3.1 多目标跟踪基本原理图 进行目标跟踪时，主要是通过获得目标的状态估计来实现的，状态估计是通过一系列数据处理技术来完成的。在雷达数据处理过程中，首先要用到量测数据处理技术，包括坐标变换，时空对准等。常用的线性滤波方法有卡尔曼滤波方法、维纳滤波、最小二乘滤波以及线性自回归滤波法等。这些滤波方式是现代雷达信息处理的基础，其中卡尔曼滤波历史最为悠久，技术成熟

48、且计算方便。在卡尔曼滤波基础上，目前又提出了多种自适应滤波算法。本章针对本课题所用到的数据处理技术做具体介绍与分析。3.1量测数据预处理技术 在雷达数据处理中，有效可行的量测数据预处理技术一方面能降低雷达信息处理的计算量，另一方面有利于提高目标跟踪性能。本小节主要介绍了量测数据预处理中的坐标变换、时间对准、空间对准技术。3.1.1 坐标变换 对雷达来讲，目标的量测和数据处理不是在同一个坐标系完成的。在许多雷达跟踪系统中，目标的量测是在极坐标系下完成，对数据的处理是在直角坐标系下完成的。因此就需要坐标转换技术31-33，将数据格式转换到同一个坐标系下进行处理。 图3.2 直角坐标系（左）和空间极

49、坐标系（右）坐标变换就是将一个空间坐标系中的目标，根据位置关系，变换到另一个坐标系中，并且可以给出两坐标间的关系。即实现了同一目标位置在两个不同坐标系中的表示，为雷达系统中的目标量测和数据处理提供了方便。常见的坐标变换有两种方式：平移变换和旋转变换。任何雷达系统的坐标变换都可通过这两种或者一种变换来实现。平移变换就是改变坐标轴的位置而不改变其方向。假设新坐标系原点相对于旧坐标系坐标为，有一点在旧新坐标系中坐标分别为和，可以得出： (3.1) 旋转变换不改变原点位置而只改变坐标轴的方向。下面就针对一个坐标轴不动，另外两个轴围绕这个轴旋转的情况，来研究旋转变换的公式推导过程。如图3.3所示。轴和轴

50、绕轴旋转角得到和，即经逆时针旋转变为。图3.3 Z轴旋转几何关系图如果有一点在旧新坐标系中坐标分别为和，根据图3.3中几何关系可以得出 (3.2)同样，若是单独绕轴和轴旋转，得到以下类似公式： (3.3) (3.4)在雷达数据处理中，为了能让雷达系统中的量测数据和数据处理很方便地转换，常用到直角坐标系和空间极坐标系的相互变换。下面就简单介绍下直角坐标系和极坐标系之间的转换关系。设直角坐标系中任意一点的位置坐标为，在极坐标系中对应位置坐标为，则直角坐标系和极坐标系之间的相互转换关系为： 或 (3.5)在雷达跟踪系统中，由于目标的状态方程在直角坐标系中可以简单地描述，而量测方程、滤波增益在极坐标系

51、下完成。故常采用混合坐标系对目标进行跟踪。图3.4是实现目标跟踪的混合坐标系流程图。图3.4 混合标系中的跟踪滤波流程图 在本文后续要用到的雷达量测数据，就是基于直角坐标系和极坐标系的相互转换。在雷达系统中，雷达的量测噪声一般服从正态分布的。图3.5为其基本转换过程： 图3.5 本文采用的雷达量测数据形成流程图3.1.2 时间配准算法对雷达系统来说，由于各个雷达传感器对目标的测量是相互独立的，且采样周期也一般不同，另外再加上传输延迟，使各个局部传感器在向融合中心传输的报告是不同的，便需要时间配准来进行融合。所谓时间配准一般就是将各部雷达的测量数据统一到扫描周期较长的一部雷达当中去，即将关于同一

52、目标的各雷达不同步的量测信息同步到同一时刻。从而使后续研究的航迹关联、融合得到有效地进行。目前，常采用W.D.Blair提出的最小二乘规则时间配准法34。现设有两类传感器，分别为传感器A和传感器B，传感器A采样周期为，传感器B采样周期为，并且/=，假设传感器A对目标测量的两次时刻差为即，则意味着在传感器A两次量测过程中雷达B有n次测量。因此我们可以利用最小二乘法，将传感器B的次测量整合到对应传感器A测量时刻的值。所以为了消除时间偏差对多传感器数据融合的影响，就必须消除由于时间偏差对目标测量值的不同步。用集合表示传感器B从(-l)至时刻的个测量值，传感器A在时刻测量值与同步，若用列向量表示整合以

53、后的测量值和其导数，则可以把传感器B的量测值表示为： (3.6)表示测量过程中的噪声，用向量形式可以表示为： (3.7)其中 (3.8)同时过程噪声向量，其协方差阵为： (3.9)其中为整合以前的位置测量噪声方差。根据最小二乘法准则，其目标函数为： (3.10)要使目标函数为最小，方程(3.10)两边对求偏导数并令其等于零得： (3.11)从而有估计： (3.12)其误差协方差阵估计为： (3.13)则进行整合以后的测量值及其测量噪声方差为： (3.14) (3.15)其中3.1.3 空间配准算法空间配准主要指消除信源测量的系统误差，包括动态或静态估算出信源的测量系统误差，然后对目标测量信息进

54、行补偿。目前，常见的空间配准算法有实时质量控制法、最小二乘法、极大似然法35等。这些方法不需要知道目标运动模型而对传感器方位角、高低角、斜距偏差进行估计。不管目标是机动还是非机动均可使用，因此而受到广泛应用。本节主要对极大似然空间配准算法进行分析。为了简单起见，仅考虑二维的情况。假设两部传感器a和b，斜距和方位角偏差分别为：。在图3.6中，和分别代表传感器和的斜距和方位角量测值。图3.6 系统平面上的偏差估计配置和表示在全局坐标系上的量测值，和表示传感器在全局坐标系中的位置。极大似然（maximum likelihood）配准法考虑了传感器的随机量测噪声。假定传感器量测噪声向量为： (3.16

55、)和分别表示传感器和的斜距和方位角的测量噪声，服从高斯分布，即： (3.17)由图3.5可推出下面基本方程： (3.18)当考虑传感器的量测噪声，可有： (3.19)其中和表示传感器的真实值，和表示传感器的测量误差。将式子(3.19)代入式子(3.18)，并且将得到的方程对进行一阶泰勒级数展开可以得到 (3.20)根据不同时刻的传感器量测，也就是说当时，由式子(3.20)可以产生如下一对方程： (3.21)在个量测之后，有个方程，当()时，总能够轻松求解出式子(3.21)中的4个未知量。对于量测噪声向量和偏差向量可进行线性化，可得到次量测后的线性方程为： (3.22)其中： (3.23) (3

56、.24)进一步，可由式子(3.17)知 (3.25)则基于极大似然方法的传感器偏差向量的估计为： (3.26)3.2卡尔曼滤波卡尔曼滤波适用于有限观测间隔的非平稳随机过程，它适合于时间序列的递推方法。滤波的目的就是对目标现在和过去的状态进行平滑，对目标未来的时刻进行预测，包括目标的位置、速度和加速度等。近几十年来，卡尔曼滤波很快被应用到雷达跟踪系统中，并成为大多跟踪滤波问题研究的理论和应用基础。在卡尔曼滤波中包含了一个状态转移模型和一个量测模型。目标状态转移模型能基于时候的可用信息预测+1时刻的目标状态矢量。量测模型使用在信息矢量中包含的新信息来修正预测的状态。离散系统的状态转移模型方程可表示

57、为： (3.27)其中：为维状态向量，为的状态转移矩阵，为输入控制项，是已知输入或控制信号， 是具有零均值和正定协方差为的过程噪声向量。 观测模型表示为： (3.28)其中为观测矩阵， 是具有零均值和正定协方差的测量噪声矩阵，是传感器在时刻的观测向量。基于上述的状态转移和观测模型，卡尔曼滤波的公式如下：状态的一步预测方程： (3.29)量测的预测方程： (3.30)协方差的一步预测： (3.31)增益方程： (3.32)状态更新方程： (3.33)协方差更新方程： (3.34)另外，初始条件为和，初始化问题也是卡尔曼滤波的重要条件，如果给出了较好的初始值，则对滤波的收敛速度会有较大的影响。卡尔

58、曼滤波为线性时变系统一种利用线性无偏最小均方差准则获得目标的动态估计，具有时变结构，因此可用于非平稳随机过程。而且计算具有递推性，具有较强的适应能力和实时处理能力。此外，在做出状态估计的同时还能够给出估计误差协方差，以下要介绍的自适应滤波算法就是以卡尔曼滤波作为基础，为研究航迹关联、融合算法提供了数据支持，这些数据对火力控制系统来说是极其有用的36-39。3.3交互式多模型跟踪算法对目标进行精确跟踪的基础就是要建立目标的运动模型。所建立的模型既要满足跟踪的精确性，又要满足计算的实时性。在现代战争中，目标不可能是单一的匀速、匀加速等简单的运动模型，往往伴随着不可预测的机动性。目前，常采用的机动目

59、标跟踪算法有很多，Magill于l965年提出的多模型法40，R.A.Singer在1970年提出的Singer模型法，周宏仁在1983年提出的当前模型法41，还有Kishore在1997年提出的Jerk模型算法42，Bar-Shalom等人在1984-1989年提出的交互式多模型法，即IMM算法43-45。这些算法均属于自适应跟踪算法，不需要机动检测。其中交互式多模型法是在工程中广泛采用的机动目标跟踪方法之一，本节就对交互式多模型进行理论分析与推导。IMM算法具有Markov切换系数，它是在多模型算法的基础上考虑多个模型的交互作用，用来获得目标的状态估计。该算法已成功应用于许多实际问题，并逐渐成为此领域研究的主流方向。下面将